import streamlit as st
import pandas as pd
import joblib
import numpy as np
import plotly.graph_objects as go

# --- SAYFA AYARLARI ---
st.set_page_config(page_title="Energy AI Predictor", layout="wide", page_icon="⚡")

# --- MODELLERİ YÜKLE ---
@st.cache_resource
def load_assets():
    try:
        # Terminalindeki isimlerle birebir aynı
        m1 = joblib.load('electricity_model.pkl') 
        m2 = joblib.load('model.pkl')
        sc = joblib.load('scaler.pkl')
        return m1, m2, sc
    except Exception as e:
        st.error(f"Dosya Yükleme Hatası (Loading Error): {e}")
        return None, None, None

model1, model2, scaler = load_assets()

if model1 is None or model2 is None or scaler is None:
    st.warning("Model dosyaları (.pkl) bulunamadı! Lütfen dosyaların app.py ile aynı klasörde olduğundan emin olun.")
    st.stop()

# --- SIDEBAR / YAN PANEL ---
with st.sidebar:
    st.title("🌐 Language / Dil")
    lang = st.radio("", ["Türkçe", "English"])
    ln = "tr" if lang == "Türkçe" else "en"
    
    st.header("📊 " + ("Parametreler" if ln=="tr" else "Parameters"))
    hour = st.slider("Saat (Hour)", 0, 23, 12)
    sys_load = st.number_input("System Load (EP2)", value=3500.0)
    wind_prod = st.number_input("Wind Production", value=800.0)
    
    st.subheader("⏳ " + ("Trendler" if ln=="tr" else "Trends"))
    lag1 = st.number_input("Lag 1 (1h ago)", value=75.0)
    lag24 = st.number_input("Lag 24 (24h ago)", value=70.0)
    lag168 = st.number_input("Lag 168 (1 week ago)", value=65.0)

# --- TAHMİN FONKSİYONU (23 SÜTUNA TAMAMLAYAN KRİTİK KISIM) ---
def make_prediction(load, wind, hr, l1, l24, l168):
    # Scaler 23 sütun beklediği için eğitimdeki sütun sırasına göre diziyoruz
    # Eğitimde kullanılan sütun sırasını simüle eder:
    features = [
        0, 1, 20, 15, 4, 2024, 24, # Dummy: Holiday, DayOfWeek, Week, Day, Month, Year, Period
        wind * 1.05,               # ForecastWindProduction
        load * 1.1,                # SystemLoadEA
        70, 18, 12, 250,           # SMPEA, Temp, Windspeed, CO2
        wind,                      # ActualWindProduction (Input)
        load,                      # SystemLoadEP2 (Input)
        hr,                        # hour (Input)
        15, 4,                     # day, month
        np.sin(2*np.pi*hr/23),     # hour_sin
        np.cos(2*np.pi*hr/23),     # hour_cos
        l1, l24, l168              # Lag1, Lag24, Lag168 (Input)
    ]
    
    feat_array = np.array([features])
    scaled_feat = scaler.transform(feat_array)
    p1 = model1.predict(scaled_feat)[0]
    p2 = model2.predict(scaled_feat)[0]
    return (p1 * 0.6) + (p2 * 0.4)

# --- ANA PANEL ---
# İki dilli başlık bölümü
if ln == "tr":
    st.title("⚡ Enerji Fiyat Analiz & Tahmin Platformu")
    st.info("Yapay Zeka Hibrit Model: CatBoost (%60) + HistGB (%40) Aktif")
else:
    st.title("⚡ Energy Price Analysis & Prediction Platform")
    st.info("AI Hybrid Model: CatBoost (60%) + HistGB (40%) Active")

col1, col2 = st.columns([2, 1])

with col1:
    try:
        final_price = make_prediction(sys_load, wind_prod, hour, lag1, lag24, lag168)
        
        st.subheader("🎯 " + ("Model Tahmin Sonucu" if ln=="tr" else "Model Prediction Result"))
        st.metric(label="Estimated SMPEP2", value=f"{final_price:.2f} TL", delta=f"{final_price - lag1:.2f} TL")

        # DURUM KARTLARI VE TAVSİYELER
        st.markdown("---")
        st.subheader("📋 " + ("Stratejik Öneriler" if ln=="tr" else "Strategic Recommendations"))

        if final_price < 65:
            st.success("🔵 " + ("Düşük Fiyat - Normal Piyasa" if ln=="tr" else "Low Price - Normal Market"))
            st.write(
                "Enerji tüketimi için çok uygun zaman! Yüksek maliyetli işlerinizi şimdi planlayın." 
                if ln=="tr" else 
                "Perfect time for energy consumption! Schedule high-cost tasks now."
            )
        elif final_price < 95:
            st.warning("🟡 " + ("Orta Seviye - Dengeli Piyasa" if ln=="tr" else "Medium Level - Balanced Market"))
            st.write(
                "Fiyatlar stabil. Gereksiz tüketimden kaçınarak maliyetleri kontrol altında tutun." 
                if ln=="tr" else 
                "Prices are stable. Keep costs under control by avoiding unnecessary consumption."
            )
        else:
            st.error("🔴 " + ("Yüksek Fiyat - Riskli Dönem" if ln=="tr" else "High Price - Risky Period"))
            st.write(
                "KRİTİK! Enerji tasarrufuna geçin. Üretim veya tüketimi düşük fiyatlı saatlere kaydırın." 
                if ln=="tr" else 
                "CRITICAL! Switch to energy saving. Shift production/consumption to lower-priced hours."
            )

    except Exception as e:
        st.error(f"Tahmin Hatası: {e}")

with col2:
    st.subheader("💡 " + ("Parametre Rehberi" if ln=="tr" else "Parameter Guide"))
    if ln == "tr":
        st.write("**📌 Sistem Yükü:** Talep arttıkça üretim maliyeti artar ve fiyat yükselir.")
        st.write("**📌 Rüzgar Üretimi:** Yenilenebilir enerji fiyatı aşağı çeker.")
        st.write("**📌 Lag 1/24/168:** Piyasanın geçmişteki fiyat hafızasıdır.")
    else:
        st.write("**📌 System Load:** Price increases as demand goes up.")
        st.write("**📌 Wind Prod:** Renewable energy pulls the price down.")
        st.write("**📌 Lag 1/24/168:** Market's historical price memory.")

# --- SİMÜLASYON GRAFİĞİ ---
st.markdown("---")
st.subheader("📈 " + ("Yük Değişiminin Fiyata Etkisi" if ln=="tr" else "Impact of Load Change on Price"))

load_range = np.linspace(sys_load * 0.7, sys_load * 1.3, 15)
sim_preds = [make_prediction(l, wind_prod, hour, lag1, lag24, lag168) for l in load_range]

fig = go.Figure()
fig.add_trace(go.Scatter(x=load_range, y=sim_preds, mode='lines+markers', line=dict(color='#00ff00', width=3)))
fig.update_layout(xaxis_title="Load (MW)", yaxis_title="Price (TL)", template="plotly_dark", height=400)
st.plotly_chart(fig, use_container_width=True)